深度学习是机器学习的一个分支，它能够使计算机通过层次概念来学习经验和理解世界。同时，深度学习也是非常贴近AI的一个技术分支，得到了越来越多人的关注。本书侧重于R语言与深度学习的结合，旨在通过通俗易懂的语言和实用技巧的介绍，帮助读者了解深度学习在商业领域的应用。本书包含12章，涉及基本的R编程技巧和深度学习原理，同时介绍了神经网络和深度学习在商业分析中的应用。除此之外，本书还介绍了神经网络的学习机制、激活函数等内容，并且给出了新闻分类、客户维系方法、消费预测、产品需求预测等实用策略。本书注重实用性，不对读者做过多的技术要求，适合所有想通过R编程来了解深度学习，并对其商业化应用感兴趣的读者。

内 容 提 要本书全面讲解了深度学习框架PaddlePaddle，并结合典型案例，阐述了PaddlePaddle的具体应用。本书共15章。第 1 章介绍了深度学习及其主流框架；第2章介绍了几种不同的PaddlePaddle安装方式；第3章使用MNIST数据集实现手写数字识别；第4章介绍CIFAR彩色图像识别；第5章介绍了自定义数据集的识别；第6章介绍了验证码的识别；第7章介绍了场景文字的识别；第8章实现了验证码的端到端的识别；第9～11章讲解了车牌识别、使用SSD神经网络完成目标检测；第12章和第13章介绍了Fluid、可视化工具VisualDL；第 14 章和第 15 章介绍了如何在服务器端与Android移动终端使用PaddlePaddle进行项目实践。本书适合机器学习爱好者、程序员、人工智能方面的从业人员阅读，也可以作为大专院校相关专业的师生用书和培训学校的教材。

第1章介绍了深度学习的基础知识，重点介绍了与对抗样本相关的梯度、优化器、反向传递等知识点。 第2章介绍了如何搭建学习对抗样本的软硬件环境，虽然GPU不是必需的，但是使用GPU可以更加快速地验证你的想法。 第3章概括介绍了常见的深度学习框架，从TensorFlow、Keras、PyTorch到MXNet。 第4章介绍了图像处理领域的基础知识，这部分知识对于理解对抗样本领域的一些常见图像处理技巧非常有帮助。 第5章介绍了常见的白盒攻击算法，从基础的FGSM、DeepFool到经典的JSMA和CW。 第6章介绍了常见的黑盒攻击算法。 第7章介绍了对抗样本在目标识别领域的应用。 第8章介绍了对抗样本的常见抵御算法，与对抗样本一样，抵御对抗样本的技术也非常有趣。 第9章介绍了常见的对抗样本工具以及如何搭建NIPS 2017对抗防御环境和轻量级攻防对抗环境robust-ml，通过这章读者可以了解如何站在巨人的肩膀上，快速生成自己的对抗样本，进行攻防对抗。

作为一本讲解人工神经网络原理的图书，《深入浅出人工神经网络》旨在让读者在短的时间内对这些原理知识有一个清晰明了的认识和理解。 《深入浅出人工神经网络》总共分为3部分，总计9章。第1部分讲解了人工神经网络的源头—生物神经网络的基础知识，第2部分讲解了学习人工神经网络的数学知识，第3部分讲解了几种常见而典型的人工神经网络模型，比如感知器、多层感知器、径向基函数神经网络、卷积神经网络、循环神经网络等。 《深入浅出人工神经网络》写作风格简洁明快，深入浅出，特别适合对人工神经网络/人工智能感兴趣的入门级读者。本书只聚焦原理性知识的讲解，不涉及编程实现，即使对程序编码尚不熟悉的读者也可以轻松阅读理解。本书还可用作高等院校以及相关培训机构的教学或参考用书。

本书在全面介绍机器学习、现代教育技术、智慧教育及云教育等基本概念知识的基础上，重点介绍了机器学习中基于主题模型的文本分类、观点挖掘、情感分析的具体建模方法和实现细节，并通过云教育平台主题模型可视化应用的实现过程来说明如何将主题模型应用于教育数据处理分析。读者可以通过阅读本书了解机器学习的相关概念、理论体系和应用方法，获取云教育这一全新教育信息概念的推广和应用，掌握将云教育与机器学习技术嫁接后多种形式的集成学习系统研究的方法和动向，更好地解决智慧学习模式中知识与技能的获取、优化和应用问题。 本书主要面向人工智能、机器学习、智慧教育、数据挖掘以及计算机相关应用等领域的研究生和相关领域的科技人员，可以供上述领域的研究者、学习者阅读，并为政府相关主管部门决策提供科学依据。

《脑机交互系统技术》是作者及其团队在脑机交互范式和原型系统研究上十余年的成果总结。《脑机交互系统技术》提出P300超立方体编码、序列运动想象范式、触觉通道范式、移动目标选择范式等创新性脑机交互方式方法。这些方法用于解决诸如运动想象模式拓展、视觉通道刺激优化、复杂系统脑机操纵等领域内存在的难点问题，进而推动脑机接口技术的实用化进程。基于这些方法，成功实现机械臂操作控制、智能地面移动平台控制、一级倒立摆控制等原型系统。这些系统为脑机交互技术在各领域的应用提供整体方案，对相关系统研究具有借鉴意义。这些原型设计思想经过适当改造，可移植于实际系统的脑机控制中。

《集群智能及其应用》是作者在人工智能领域集群智能研究方向十多年研究成果的系统总结，在总结目前国内外该研究方向发展现状的基础上，介绍集群智能算法的改进、应用研究及新研究方向。改进方面包括：基于较优方向引导的菌群算法和基于生物生命周期的群搜索算法，以及基于单目标和多目标等 Benchmark优化问题的测试研究。应用研究方面包括：子群协作群搜索算法及机械结构优化设计问题的应用研究、两阶段遗传算法及车辆路径问题的应用研究，以及自主进化算法及频谱决策和频谱分配问题的应用研究。最后着重介绍集群智能的新研究方向——集群动力学优化算法。

本书涵盖Kubernetes架构、部署、核心资源类型、系统扩缩容、存储卷、网络插件与网络本书由浅入深地介绍了一系列常见的Python数据科学问题。书中介绍的实践项目简单明了，可作为模板快速启动其他类似项目。通过本书，你将学习如何构建一个Web应用程序以进行数值或分类预测，如何理解文本分析，如何创建强大的交互界面，如何对数据访问进行安全控制，以及如何利用Web插件实现信用卡付款和捐赠。 每章都遵循三个步骤：以正确的方式建模，设计和开发本地Web应用程序，部署到流行且可靠的无服务器计算云平台（AWS、微软、谷歌和PythonAnywhere）上。本书各章之间是独立的，你可以根据需求跳转至特定主题。

《智能控制算法及其应用》主要介绍各种典型智能控制算法的基本内容、设计与实现方法及其在函数优化、电力系统中的应用。《智能控制算法及其应用》首先阐述智能、智能控制的基本概念，介绍智能控制与传统的经典控制理论、现代控制理论的联系和区别。然后从四种典型智能控制算法（专家系统、模糊控制、神经网络和进化计算）入手分别阐述它们的发展历史、基本内容、实现方法及其应用。最后介绍混沌模拟退火动态烟花优化算法，并将其用于优化离散时间微分平坦自抗扰控制律的参数，通过计算机仿真和基于智能优化算法试验平台开展试验以验证该算法的有效性；介绍递减步长果蝇优化算法，并将其应用于风电机组齿轮箱的故障诊断；介绍云粒子群布谷鸟融合算法，通过联合循环发电机组典型热工过程模型参数辨识实例验证该算法的有效性。

智能科学研究智能的本质和实现技术，是由脑科学、认知科学、人工智能等创建的前沿交叉学科。脑科学从分子水平、细胞水平、行为水平研究自然智能机理，建立脑模型，揭示人脑的本质； 认知科学是研究人类感知、学习、记忆、思维、意识等人脑与心智活动过程的科学； 人工智能研究用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器智能。智能科学不仅要进行功能仿真，而且要从机理上研究和探索智能的新概念、新理论、新方法。 本书系统地介绍智能科学的概念和方法，吸收了脑科学、认知科学、人工智能、信息科学、形式系统、哲学等方面的研究成果，探索自然智能和机器智能的机理与规律。 本书可作为大学高年级本科生和研究生的“智能科学”“认知科学”“神经信息学”等课程的教科书，也可作为从事智能科学、人工智能、认知科学、脑科学、神经科学、心理学等领域的研究人员的参考书。